-
图像损失的原因
本次主要讲去雨模型，后面有时间话会讲暗光增强。
增强就是对上述模型进行逆向求解，数学方面讲就是最大贝叶斯概率的估计。
-
雨雾场景下图像恢复
必要性：视觉算法大多都是在纯净图像上，图像增强有利于使恢复图像更好的应用于算法。
雨的类型：
去雨模型发展史：
主要的挑战：
雨的物理模型：
合成雨模型：
很多传统图像处理方法，在神经网络设计中值得借鉴。例如可以加入小波变换，在不同域进行去雨。
去雨模型的发展：
研究方向的建议：
- 设计不同的模型框架
- 引入基本单元
实施举例：
- 视觉增强的现有方法
Side Information总结：
刘家瑛老师的最新工作：因为神经网络对于分类效果比较好，因而可以把去雨模型转化成雨分类。
实验结果：
- 损失函数总结
- 数据集总结
- 刘老师在CVPR2020的工作
视频去雨，利用视频的帧间信息。 - 未来工作展望
- 刘老师小组和公众号
最后
以上就是忧郁楼房最近收集整理的关于视觉与学习青年学者研讨会恶劣环境下图像增强部分（刘家瑛老师）笔记的全部内容，更多相关视觉与学习青年学者研讨会恶劣环境下图像增强部分（刘家瑛老师）笔记内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复